Anhang A: Fragebögen und sonstige Unterlagen

Größe: px
Ab Seite anzeigen:

Download "Anhang A: Fragebögen und sonstige Unterlagen"

Transkript

1 Anhang Anhang A: Fragebögen und sonstige Unterlagen A.: Flyer zur Probandenrekrutierung 46

2 A.: Fragebogen zur Meditationserfahrung 47

3 48

4 A.3: Fragebogen Angaben zur Person 49

5 5

6 5

7 A.4: Termin- und Einladungsschreiben 5

8 A.5: Einverständniserklärung 53

9 A.6: SAM-Einführung 54

10 55

11 A.7: Fragebogen zur Ausgangslage 56

12 57

13 A.8: achbefragung 58

14 59

15 Anhang B: Stimulus Material B.: IAPS-Bilder bei den Frauen (In der Abfolge der Bilddarbietung im Experiment) B.: IAPS-Bilder bei den Männern (In der Abfolge der Bilddarbietung im Experiment) 6

16 B.3: Miniaturansicht aller verwendeten Bilder Die Lizenzbedingungen erlauben es nicht, die Bilder frei zugänglich zu machen!

17 B: Screenshots der Versuchsinstruktionen & SAM-Ratingskalen B.: Baseline Instruktion B.: Versuchsinstruktion 64

18 B.3: SAM-Ratingskala für die Intensität des Gefühls B.4: SAM-Ratingskala für die Valenz des Gefühl 65

19 Anhang C: SPSS-Tabellen Tabelle 9: Kolmogorov-Smirnov-Tests für alle SAM-Ratings Kolmogorov-Smirnov-Anpassungstest für alle SAM - Ratings Parameter der ormalverteilung a,b Mittelwert Standardabweichung SAM Intensität neg. Bilder SAM Intensität neutr. Bilder SAM Intensität pos. Bilder SAM Valenz neg. Bilder SAM Valenz neutr. Bilder SAM Valenz pos. Bilder ,548 3,964 5,46 3,79 5,887 6,44,4874,463,453,7589,3848,6795 Extremste Differenzen Absolut Positiv egativ Kolmogorov-Smirnov-Z Asymptotische Signifikanz (-seitig),74,8,75,8,8,96,,8,9,8,58,96 -,74 -,76 -,75 -,86 -,8 -,93,3,76,35,88,697,6,55,67,5,5,77,836 a. Die zu testende Verteilung ist eine ormalverteilung. b. Aus den Daten berechnet. Tabelle 3: Levene-Test zur Varianzhomogenität für alle SAM-Ratings Levene-Test auf Homogenität der Varianzen über die drei n für alle SAM-Ratings SAM Intensität neg. Bilder SAM Intensität neutrl. Bilder SAM Intensität pos. Bilder SAM Valenz neg. Bilder SAM Valenz neutrl. Bilder SAM Valenz pos. Bilder Basierend auf dem Median und mit angepaßten df Basiert auf dem getrimmten Mittel Basierend auf dem Median und mit angepaßten df Basiert auf dem getrimmten Mittel Basierend auf dem Median und mit angepaßten df Basiert auf dem getrimmten Mittel Basierend auf dem Median und mit angepaßten df Basiert auf dem getrimmten Mittel Basierend auf dem Median und mit angepaßten df Basiert auf dem getrimmten Mittel Basierend auf dem Median und mit angepaßten df Basiert auf dem getrimmten Mittel Levene- Statistik df df Signifikanz,87 39,68,567 39,,567 33,4,835 39,73,744 39,48,64 39,54,64 35,54,73 39,488,47 39,99,45 39,39,45 35,33,94 39,86,593 39,88,986 39,5,986 34,53,59 39,93,65 39,546,69 39,538,69 35,539,67 39,545,39 39,679,394 39,677,394 35,677,39 39,679 Tabelle 3: Kolmogorov-Smirnov-Tests für Achtsamkeitsindices Kolmogorov-Smirnov-Anpassungstest für "Achtsamkeitspraxis in Stunden" und "Prozentrang Achtsamkeit" Parameter der ormalverteilung a,b Mittelwert Standardabweichung Prozentrang Achtsamkeit Achtsamkeitspraxis in Stunden , ,947 9, ,57394 Extremste Differenzen Absolut Positiv egativ Kolmogorov-Smirnov-Z Asymptotische Signifikanz (-seitig),3,3,3,89 -,68 -,3,677,3,75, a. Die zu testende Verteilung ist eine ormalverteilung. b. Aus den Daten berechnet. 66

20 C.: SAM-Intensitätsratings Tabelle 3: Multivariate Tests für SAM-Intensitätsratings Multivariate Tests für SAM - Intensitätsratings c Effekt Wert F Hypothese df Fehler df Signifikanz Konstanter Term,67 4,47 a 3, 35,,,733 4,47 a 3, 35,,,364 4,47 a 3, 35,, Größte charakteristische Wurzel nach Roy,364 4,47 a 3, 35,,,78,983 a 3, 35,,4,9,983 a 3, 35,,4,84,983 a 3, 35,,4 Größte charakteristische Wurzel nach Roy,84,983 a 3, 35,,4 Geschlecht,6,84 a 3, 35,,97,984,84 a 3, 35,,97,6,84 a 3, 35,,97 Größte charakteristische Wurzel nach Roy,6,84 a 3, 35,,97,7,3 6, 7,,353,83,4 a 6, 7,,348,3,5 6, 68,,344 Größte charakteristische Wurzel nach Roy,9,88 b 3, 36,,95 a. Exakte Statistik b. Die Statistik ist eine Obergrenze auf F, die eine Untergrenze auf dem Signifikanzniveau ergibt. c. Design: Intercept++Geschl+ Tabelle 33: Tests der Zwischensubjekteffekte für SAM-Intensitätsratings Quelle Korrigiertes Modell Konstanter Term Geschlecht Fehler Korrigierte variation Tests der Zwischensubjekteffekte für SAM - Intensitätsratings Abhängige Variable SAM Intensität neg. SAM Intensität neutrl. SAM Intensität pos. SAM Intensität neg. SAM Intensität neutrl. SAM Intensität pos. SAM Intensität neg. SAM Intensität neutrl. SAM Intensität pos. SAM Intensität neg. SAM Intensität neutrl. SAM Intensität pos. SAM Intensität neg. SAM Intensität neutrl. SAM Intensität pos. SAM Intensität neg. SAM Intensität neutrl. SAM Intensität pos. SAM Intensität neg. SAM Intensität neutrl. SAM Intensität pos. SAM Intensität neg. SAM Intensität neutrl. SAM Intensität pos. Quadratsumme vom Typ III a. R-Quadrat =,5 (korrigiertes R-Quadrat =,3) b. R-Quadrat =,87 (korrigiertes R-Quadrat = -,) c. R-Quadrat =,9 (korrigiertes R-Quadrat = -,7) df,65 a 4,86,3,8 7,636 b 4,99,883,484 7,483 c 4,87,93,456 7,97 7,97,7,,986,986,38,48 7,673 7,673 8,798,5 4,36 4,36,893,77 5,66 5,66,596,6 4,95 4,95,465,5,9,9,9,96,683,683,36,577,6,6,3,959,64 5,3,496,96,77,358,66,848 5,56,78,384,63 78,874 37,3 8,34 37,63 74,3 37,9 69, ,6 4 36, , ,67 4 8,84 4 Mittel der Quadrat e F Signifikanz 67

21 Tabelle 34: Korrelationen für SAM-Intensitätsratings Korrelationen für SAM - Intensitätsratings Spearman-Rho SAM Intensität neg. SAM Intensität neutr. SAM Intensität pos. Achtsamkeit in h + FFaScore Achtsamkeitspraxis in Stunden Praxisdauer in Jahren Prozentrang Achtsamkeit **. Die Korrelation ist auf dem, iveau signifikant (einseitig). *. Die Korrelation ist auf dem,5 iveau signifikant (einseitig). SAM Intensität neg. SAM Intensität neutr. SAM Intensität pos.,,44**,98**.,3, 4 4 4,44**,,59**,3., 4 4 4,98**,59**,,, ,9,3 -,38,9,6, ,8*,8 -,56,35,4, ,96*,58 -,67,9,58, ,84*,5 -,8,34,7, ,5,8 -,35,55,4, C.: SAM-Valenzratings Tabelle 35: Multivariate Tests für SAM-Valenzratings Multivariate Tests für SAM - Valenzratings c Effekt Wert F Hypothese df Fehler df Signifikanz Konstanter Term,938 76,645 a 3, 35,,,6 76,645 a 3, 35,, 5,4 76,645 a 3, 35,, Größte charakteristische Wurzel nach Roy 5,4 76,645 a 3, 35,,,59 4,76 a 3, 35,,4,74 4,76 a 3, 35,,4,349 4,76 a 3, 35,,4 Größte charakteristische Wurzel nach Roy,349 4,76 a 3, 35,,4 Geschlecht,95,6 a 3, 35,,35,95,6 a 3, 35,,35,5,6 a 3, 35,,35 Größte charakteristische Wurzel nach Roy,5,6 a 3, 35,,35,73,894 6, 7,,93,74,888 a 6, 7,,95,33,879 6, 68,,97 Größte charakteristische Wurzel nach Roy,6 3,4 b 3, 36,,37 a. Exakte Statistik b. Die Statistik ist eine Obergrenze auf F, die eine Untergrenze auf dem Signifikanzniveau ergibt. c. Design: Intercept++Geschl+ 68

22 Tabelle 36: Tests der Zwischensubjekteffekte für SAM-Valenzratings Quelle Korrigiertes Modell Konstanter Term Geschlecht Fehler Korrigierte variation Tests der Zwischensubjekteffekte für SAM - Valenzratings Abhängige Variable SAMvalenz.negativ SAMvalenz.neutral SAMvalenz.positiv SAMvalenz.negativ SAMvalenz.neutral SAMvalenz.positiv SAMvalenz.negativ SAMvalenz.neutral SAMvalenz.positiv SAMvalenz.negativ SAMvalenz.neutral SAMvalenz.positiv SAMvalenz.negativ SAMvalenz.neutral SAMvalenz.positiv SAMvalenz.negativ SAMvalenz.neutral SAMvalenz.positiv SAMvalenz.negativ SAMvalenz.neutral SAMvalenz.positiv SAMvalenz.negativ SAMvalenz.neutral SAMvalenz.positiv Quadratsum me vom Typ III a. R-Quadrat =,9 (korrigiertes R-Quadrat =,4) b. R-Quadrat =,39 (korrigiertes R-Quadrat =,45) c. R-Quadrat =,7 (korrigiertes R-Quadrat = -,9) df 4,849 a 4,,447,63,936 b 4,484 4,33,6,36 c 4,33,73,588 7,735 7,735 35,8, 8,35 8,35 5,83, 5,373 5,373 8,445,,38,38,64,48,395,395,48,,479,479,3,36,58,58,67,38,39,39 3,49,7,54,54,33,569 3,9,95 3,936,8,76,38,33,33,6,63,356,7 8,33 37,495 4,35 37, 7,87 37,465 43, ,8 4 76, ,79 4 6,7 4 8,5 4 Mittel der Quadrate F Signifikanz Tabelle 37: Post-Hoc-Tests für SAM-Valenzratings Bonferroni Abhängige Variable SAM Valenz neg. Bilder SAM Valenz neutr. Bilder SAM Valenz pos. Bilder = ichtmeditierende, =, = Basiert auf beobachteten Mittelwerten. *. Die mittlere Differenz ist auf der Stufe,5 signifikant. Mehrfachvergleiche für SAM - Valenzratings Mittlere Differenz (I-J) 95% Konfidenzintervall Standard fehler Signifikanz Untergrenze Obergrenze -,595,469,63 -,8,3 -,833*,3335,35 -,64 -,464,595,469,63 -,3,8 -,378,897, -,966,487,833*,3335,35,464,64,378,897, -,487,966 -,9,3346,366 -,5448,3 -,755,6994,339 -,76,496,9,3346,366 -,3,5448 -,646,57, -,4577,385,755,6994,339 -,496,76,646,57, -,385,4577,588,3768, -,4358,7534,475,364,558 -,3496,645 -,588,3768, -,7534,4358,487,798, -,453,9487 -,475,364,558 -,645,3496 -,487,798, -,9487,453 69

23 Tabelle 38: Korrelationen für SAM-Valenzratings Korrelationen für SAM - Valenzratings Spearman-Rho SAM Valenz neg. SAM Valenz neutr. SAM Valenz pos. Achtsamkeit in h + FFaScore AchtsamkeitspraxisIn Stunden Praxisdauer in Jahren Prozentrang Achtsamkeit **. Die Korrelation ist auf dem, iveau signifikant (einseitig). *. Die Korrelation ist auf dem,5 iveau signifikant (einseitig). SAM Valenz neg. SAM Valenz neutr. SAM Valenz pos., -,74 -,68**.,35, ,74,,3*,35., ,68**,3*,,, ,4**,38* -,98,4,3, ,394**,5 -,69*,5,76, ,4**,8 -,77*,4,83, ,438**,94* -,4,,9, ,36**,3 -,53,9,7, ,37,57** -,5,93,, C.3: achinterview Tabelle 39: Mann-Whitney-Test für Wandel der Gefühlsintensität Mann-Whitney-Test für Wandel der Gefühlsintensität: Statistik b Mann-Whitney-U Wilcoxon-W Z Asymptotische Signifikanz (-seitig) Exakte Signifikanz [*(-seitig Sig.)] =hat sich etwas erhöht; =hat sich stark erhöht 7, 33, -,994 a. icht für Bindungen korrigiert.,3,4 a b. nvariable: =; = Tabelle 4: Chi-Quadrat-Test für Wandel der Gefühlsintensität Chi-Quadrat nach Pearson Kontinuitätskorrektur a Likelihood-Quotient Exakter Test nach Fisher Zusammenhang linear-mit-linear Anzahl der gültigen Fälle Wert a. Wird nur für eine x-tabelle berechnet Chi-Quadrat-Tests,3 b,3,348,555,67,3,989,3 3 df Asymptotische Signifikanz (-seitig) Exakte Signifikanz (-seitig) Exakte Signifikanz (-seitig),49,8 b. Zellen (5,%) haben eine erwartete Häufigkeit kleiner 5. Die minimale erwartete Häufigkeit ist 3,. 7

24 C.: EDA-Zeitverlauf Tabelle 4: Kolmogorov-Smirnov-Tests für EDA-Zeitverlauf Kolmogorov-Smirnov-Anpassungstests für EDA - Latenz, EDA - Anstiegszeit und EDA - Halbwertszeit Parameter der ormalverteilung a,b Extremste Differenzen Kolmogorov-Smirnov-Z Mittelwert Absolut Positiv egativ Latenz neg. Bilder Latenz neutr. Bilder Latenz pos. Bilder Standardabweichung Anstiegszeit neg. Bilder Anstiegszeit neutr. Bilder Anstiegszeit pos. Bilder Halbwertszeit neg. Bilder Halbwertszeit neutr. Bilder Halbwertszeit pos. Bilder ,658,437,74,588,355,636,355,8,78,488,4487,463,493,3549,436,336,898,94,,46,4,45,65,34,86,5,6,,3,4,45,6,34,7,93,6 -,9 -,46 -,84 -,3 -,65 -,77 -,86 -,5 -,86,73,955,684,95,8,876,8,345,353 Asymptotische Signifikanz (-seitig),659,3,738,36,93,47,3,54,5 a. Die zu testende Verteilung ist eine ormalverteilung. b. Aus den Daten berechnet. Tabelle 4: Levene-Test zur Varianzhomogenität für EDA-Zeitverlauf Test auf Homogenität der Varianz für EDA - Latenz, - Anstiegszeit, - Halbwertszeit Latenz neg. Bilder Latenz neutr. Bilder Latenz pos. Bilder Anstiegszeit neg. Bilder Anstiegszeit neutr. Bilder Anstiegszeit pos. Bilder Halbwertszeit neg. Bilder Halbwertszeit neutr. Bilder Halbwertszeit pos. Bilder Basierend auf dem Median und mit angepaßten df Basiert auf dem getrimmten Mittel Basierend auf dem Median und mit angepaßten df Basiert auf dem getrimmten Mittel Basierend auf dem Median und mit angepaßten df Basiert auf dem getrimmten Mittel Basierend auf dem Median und mit angepaßten df Basiert auf dem getrimmten Mittel Basierend auf dem Median und mit angepaßten df Basiert auf dem getrimmten Mittel Basierend auf dem Median und mit angepaßten df Basiert auf dem getrimmten Mittel Basierend auf dem Median und mit angepaßten df Basiert auf dem getrimmten Mittel Basierend auf dem Median und mit angepaßten df Basiert auf dem getrimmten Mittel Basierend auf dem Median und mit angepaßten df Basiert auf dem getrimmten Mittel Levene- Statistik df df Signifikanz, 4,95,5 4,875,5 36,8,875, 4,885,34 4,585,7 4,74,7 36,48,74,6 4,69, 4,64,75 4,678,75 4,,678,99 4,657,64 4,434, 4,74, 8,96,74,334 4,567,443 4,37,656 4,43,656 3,745,44,9 4,3,44 4,53,8 4,643,8 4,,643,37 4,546, 4,883,367 4,548,367 35,84,549,64 4,688, 4,649,4 4,949,4 33,85,949,4 4,79,75 4,93,88 4,78,88 38,936,78,83 4,86 7

25 Tabelle 43: Multivariate Tests für EDA-Zeitverlauf Effekt Konstanter Term Geschlecht Bildvalenz * IAPSValenz a. Exakte Statistik c Multivariate Tests für EDA - Latenz, - Anstiegszeit und - Halbwertszeit Größte charakteristische Wurzel nach Roy Größte charakteristische Wurzel nach Roy Größte charakteristische Wurzel nach Roy Größte charakteristische Wurzel nach Roy Größte charakteristische Wurzel nach Roy Größte charakteristische Wurzel nach Roy Wert F Hypothese df Fehler df Signifikanz,6,64 a 3, 6,,68,984,64 a 3, 6,,68,6,64 a 3, 6,,68,6,64 a 3, 6,,68,6,69 a 3, 6,,598,984,69 a 3, 6,,598,6,69 a 3, 6,,598,6,69 a 3, 6,,598,33 5,947 a 3, 6,,,867 5,947 a 3, 6,,,54 5,947 a 3, 6,,,54 5,947 a 3, 6,,,3,74 6, 34,,5,87,763 a 6, 3,,3,47,8 6, 3,,,4 5,55 b 3, 7,,,3,9 6, 34,,5,898,33 a 6, 3,,5,,48 6, 3,,49,98 3,839 b 3, 7,,,3,3, 354,,997,978,, 37,99,997,3,9, 344,,998,8,536 b 4, 8,,7 b. Die Statistik ist eine Obergrenze auf F, die eine Untergrenze auf dem Signifikanzniveau ergibt. c. Design: Intercept++Geschl++IAPSValenz+ * IAPSValenz Tabelle 44: Tests der Zwischensubjekteffekte für EDA-Zeitverlauf Quelle Korrigiertes Modell Konstanter Term Geschlecht Bildvalenz Fehler Korrigierte variation Tests der Zwischensubjekteffekte für EDA - Latenz, - Anstiegszeit und - Halbwertszeit Abhängige Variable EDALatenz EDAAnstiegszeit EDAHalbwertszeit EDALatenz EDAAnstiegszeit EDAHalbwertszeit EDALatenz EDAAnstiegszeit EDAHalbwertszeit EDALatenz EDAAnstiegszeit EDAHalbwertszeit EDALatenz EDAAnstiegszeit EDAHalbwertszeit EDALatenz EDAAnstiegszeit EDAHalbwertszeit EDALatenz EDAAnstiegszeit EDAHalbwertszeit EDALatenz EDAAnstiegszeit EDAHalbwertszeit EDALatenz EDAAnstiegszeit EDAHalbwertszeit Quadratsum me vom Typ III a. R-Quadrat =,43 (korrigiertes R-Quadrat =,79) b. R-Quadrat =,3 (korrigiertes R-Quadrat =,66) c. R-Quadrat =,88 (korrigiertes R-Quadrat =,) df 6,649 a,665 3,789, 5,849 b,585 3,548,,96 c,96,74,5,38,38,755,88,4,4,96,57,75,75,46,38,67,67 9,5,3,697,697 4,7,4,54,54 7,34,8,55,55,884,349,8,8,5,95,8,8,6,734,55,63 7,95,,74,37 8,36,,847,44 5,98,4,435,77 4,88,9,575,788 4,777,,68,34,874,58,78 8,75 9,455 8,65 8,447 8,7 73, ,65 9 8, , ,35 8,49 8 Mittel der Quadrate F Signifikanz 7

26 Tabelle 45: Post-Hoc-Tests für EDA-Zeitverlauf Mehrfachvergleiche für EDA - Latenz, - Anstiegszeit und - Halbwertszeit Bonferroni Abhängige Variable Latenz Anstiegszeit Halbwertszeit = ichtmeditierende, =, = Basiert auf beobachteten Mittelwerten. *. Die mittlere Differenz ist auf der Stufe,5 signifikant. Mittlere Differenz (I-J) 95% Konfidenzintervall Standardf ehler Signifikanz Untergrenze Obergrenze,33,9,58 -,54,439,378*,575,4,97,6589 -,33,9,58 -,439,54,647,635,37 -,933,48 -,378*,575,4 -,6589 -,97 -,647,635,37 -,48,933,373*,8573,,9,4453,3993*,,,3,6665 -,373*,8573, -,4453 -,9,6,8,336 -,835,475 -,3993*,, -,6665 -,3 -,6,8,336 -,475,835,486*,5544,5,4,83,38*,7,4,59,446 -,486*,5544,5 -,83 -,4,83,6543,67 -,755,4 -,38*,7,4 -,446 -,59 -,83,6543,67 -,4,755 Tabelle 46: Korrelationen für EDA-Zeitverlauf Korrelationen für EDA - Latenz, - Anstiegszeit und - Halbwertszeit Spearman-Rho Latenz Anstiegszeit Halbwertszeit Prozentrang Achtsamkeit Achtsamkeit in Stunden + FFAScore Achtsamkeitspraxis in Stunden Praxisdauer in Jahren = fem = mask **. Die Korrelation ist auf dem, iveau signifikant (einseitig). EDALatenz EDAAnsti egszeit EDAHalb wertszeit,,976**,859**.,, ,976**,,866**,., ,859**,866**,,, ,68** -,8** -,7**,,, ,78** -,69** -,7**,,, ,5** -,4** -,39**,,3, ,44** -,35** -,3**,3,4, ,4** -,43** -,4**,3,3, , -,9 -,48,494,44, ,7**,**,79**,,6,

27 Tabelle 47: Regressionsrechnung für EDA-Latenz Koeffizienten a Modell (Konstante) Prozentrang Achtsamkeit a. Abhängige Variable: Latenz icht standardisierte Koeffizienten B Standardf ehler Standardisie rte Koeffizienten Beta,838,79,658, -,5, -,97-3,5, T Signifikanz Tabelle 48: Regressionsrechnung für EDA-Anstiegszeit Modell (Konstante) Prozentrang Achtsamkeit a. Abhängige Variable: Anstiegszeit B Koeffizienten a icht standardisierte Koeffizienten Standardf ehler Standardisie rte Koeffizienten Beta,76,75,94, -,5, -,36-3,68, T Signifikanz Tabelle 49: Regressionsrechnung für EDA-Halbwertszeit Modell (Konstante) Prozentrang Achtsamkeit a. Abhängige Variable: Halbwertszeit B Koeffizienten a icht standardisierte Koeffizienten Standardf ehler Standardisie rte Koeffizienten Beta,4,48 8,53, -,3, -,96-3,486, T Signifikanz C.: Startle-Zeitverlauf Tabelle 5: Levene und Kolmogorov-Smirnov-Tests für Differenz während - nachher bei Startle-Potenzierung und -Inhibition Kolmogorov-Smirnov-Anpassungstest für Differenz der Startle-Response während - nach Bilddarbietung Parameter der ormalverteilung a,b Mittelwert Standardabweichung negative Bilder positive Bilder 43 43,646 5,88 9,3983 4,4677 Levene-Test für Differenz der Startle-Response während - nach Bilddarbietung a negative Bilder positive Bilder F df df Signifikanz,7 4,763,8 4,3 Prüft die ullhypothese, daß die Fehlervarianz der abhängigen Variablen über n hinweg gleich ist. a. Design: Intercept++Geschl+ Extremste Differenzen Absolut Positiv egativ Kolmogorov-Smirnov-Z Asymptotische Signifikanz (-seitig) a. Die zu testende Verteilung ist eine ormalverteilung. b. Aus den Daten berechnet.,9,86,9,86 -,6 -,93,77,,68, 74

28 Tabelle 5: Multivariate Tests für Differenz der Startle-Response während - nach Bilddarbietung Effekt Konstanter Term Geschlecht a. Exakte Statistik Multivariate Tests für Differenz der Startle-Response während - nach Bilddarbietung c Größte charakteristische Wurzel nach Roy Größte charakteristische Wurzel nach Roy Größte charakteristische Wurzel nach Roy Größte charakteristische Wurzel nach Roy b. Die Statistik ist eine Obergrenze auf F, die eine Untergrenze auf dem Signifikanzniveau ergibt. c. Design: Intercept++Geschl+ Wert F Hypothese df Fehler df Signifikanz,45,878 a, 37,,44,955,878 a, 37,,44,47,878 a, 37,,44,47,878 a, 37,,44,,3 a, 37,,796,988,3 a, 37,,796,,3 a, 37,,796,,3 a, 37,,796,4,78 a, 37,,466,96,78 a, 37,,466,4,78 a, 37,,466,4,78 a, 37,,466,79,777 4, 76,,544,9,77 a 4, 74,,547,85,766 4, 7,,55,85,6 b, 38,,3 Tabelle 5: Tests der Zwischensubjekteffekte für Differenz der Startle-Response während - nach Bilddarbietung Tests der Zwischensubjekteffekte für Differenz der Startle-Response während - nach Bilddarbietung Quelle Korrigiertes Modell Konstanter Term Geschl Fehler Korrigierte variation Abhängige Variable negative Bilder positive Bilder negative Bilder positive Bilder negative Bilder positive Bilder negative Bilder positive Bilder negative Bilder positive Bilder negative Bilder positive Bilder negative Bilder positive Bilder negative Bilder positive Bilder Quadratsum me vom Typ III a. R-Quadrat =,78 (korrigiertes R-Quadrat = -,) b. R-Quadrat =,33 (korrigiertes R-Quadrat =,4) df 87,99 a 4 7,8,798,534 67,758 b 4 9,94,455,35,64,64,4,96 36,699 36,699,83,87 5,699 5,699,63,83 86,645 86,645,43,55 44,4 44,4,49,487 45,97 45,97,6,75 95,4 97,5,84,348 67,8 83,59,47,66 348, , ,455 38,67 46, , , ,4 4 Mittel der Quadrate F Signifikanz Tabelle 53: Levene und Kolmogorov-Smirnov-Tests für Differenz während - nachher bei Startle-Potenzierung und -Inhibition Kolmogorov-Smirnov-Anpassungstest für Differenz während - nachher bei Startle-Potenzierung und -Inhibition Levene-Test auf Gleichheit der Fehlervarianzen für Differenz während - nachher bei Startle-Potenzierung und -Inhibition a Differenz Potenzierung Differenz Inhibition F df df Signifikanz,7 4,764 3,49 4,59 Prüft die ullhypothese, daß die Fehlervarianz der abhängigen Variablen über n hinweg gleich ist. a. Design: Intercept++Geschl+ Parameter der ormalverteilung a,b Extremste Differenzen Kolmogorov-Smirnov-Z Mittelwert Standardabweichung Absolut Positiv egativ Asymptotische Signifikanz (-seitig) a. Die zu testende Verteilung ist eine ormalverteilung. b. Aus den Daten berechnet. Differenz Potenzierung Differenz Inhibition 43 43,357 8,494,758 4,5435,93,98,7,98 -,93 -,78,69,644,85,8 75

29 Tabelle 54: Deskriptive Statistiken für Potenzierungs und Inhibitions-Zeitverlauf Deskriptive Statistiken für Zeitverlauf der Potenzierung je Deskriptive Statistiken für Zeitverlauf der Inhibition je,5 s ichtmeditierende Mittelwert Standardab weichung -9,7,63 3,5 s ichtmeditierende Mittelwert Standardab weichung 9,38 8, ,373 8,8497,4,4385 -,387 4,6 8 -,874 8, ,3 9, ,645 5, ,5 s ichtmeditierende,659 3, ,5 s ichtmeditierende 3,74,738 3,355,685 6,997,8387,955 3, ,7998 3,459 8,396 5, ,4, ,5 s ichtmeditierende 6,88 4,65 3 6,5 s ichtmeditierende -4,47 6, ,486 4,6,745 3,794 -,6 8, ,883, ,3349, ,5848, ,5 s ichtmeditierende,365 4,7 3 7,5 s ichtmeditierende -8,64 3, ,746 9, ,945,3668,56 5, ,6656,36 8 5,8966 5, ,567 3, ,5 s ichtmeditierende -,377 7, ,5 s ichtmeditierende -,8969 8, ,796 7,564-6,36 7,54 3,677 5,9986 8,957 6, ,459, ,656 6, s ichtmeditierende,555 7, s ichtmeditierende -7,5 8,65 3-3,498 7,95-3,5897 5,39493,99 4, ,95 8,83 8 -,8667, ,366 5, s ichtmeditierende -,5584 8, s ichtmeditierende,54,6884 3,5853 5,867,54 3,7887 3,874 4, ,73 3,3939 8,67 4, ,457, Tabelle 55: Multivariate Tests für Differenz während - nachher bei Startle-Potenzierung und -Inhibition Effekt Multivariate Tests für Differenz während - nachher bei Startle-Potenzierung und -Inhibition c Konstanter Term Geschlecht a. Exakte Statistik Größte charakteristische Wurzel nach Roy Größte charakteristische Wurzel nach Roy Größte charakteristische Wurzel nach Roy Größte charakteristische Wurzel nach Roy Wert F Hypothese df Fehler df Signifikanz,35,678 a, 37,,54,965,678 a, 37,,54,37,678 a, 37,,54,37,678 a, 37,,54,5,99 a, 37,,38,949,99 a, 37,,38,54,99 a, 37,,38,54,99 a, 37,,38,,549 a, 37,,9,879,549 a, 37,,9,38,549 a, 37,,9,38,549 a, 37,,9,7,86 4, 76,,83,873,95 a 4, 74,,8,45,3 4, 7,,77,43,79 b, 38,,79 b. Die Statistik ist eine Obergrenze auf F, die eine Untergrenze auf dem Signifikanzniveau ergibt. c. Design: Intercept++Geschl+ 76

30 Tabelle 56: Tests der Zwischensubjekteffekte für Differenz während - nachher bei Startle -Potenzierung und -Inhibition Tests der Zwischensubjekteffekte für Differenz während - nachher bei Startle-Potenzierung und -Inhibition Quelle Korrigiertes Modell Konstanter Term Geschlecht Fehler Korrigierte variation Abhängige Variable Differenz Potenzierung Differenz Inhibition Differenz Potenzierung Differenz Inhibition Differenz Potenzierung Differenz Inhibition Differenz Potenzierung Differenz Inhibition Differenz Potenzierung Differenz Inhibition Differenz Potenzierung Differenz Inhibition Differenz Potenzierung Differenz Inhibition Differenz Potenzierung Differenz Inhibition a. R-Quadrat =,87 (korrigiertes R-Quadrat = -,9) b. R-Quadrat =,9 (korrigiertes R-Quadrat =,37) Quadratsum me vom Typ III df 4, a 4 5,33,9,473 87,37 b 4 467,843,668,47 8,944 8,944,8,39 48,83 48,83,79,6,3,3,87,86 58,5 58,5,334,567 49,73 49,73,33,5 65,87 65,87 3,5,69 3,975,987,3,93 946,9 473,45,7,8 4439, , , ,38 486, , , ,833 4 Mittel der Quadrate F Signifikanz C3.: Intensität der neurophysiologische Komponente Tabelle 57: Kolmogorov-Smirnov-Tests für EDA-Intensität Kolmogorov-Smirnov-Anpassungstest für EDA - Intensität Parameter der ormalverteilung a,b Mittelwert Standardabweichung Summe neg. Bilder Summe neutr. Bilder Summe pos. Bilder Maximum neg. Bilder Maximum neutr. Bilder Maximum pos. Bilder ,,665,447,,69,9,437,735,377,4779,77,65 Extremste Differenzen Absolut Positiv egativ Kolmogorov-Smirnov-Z Asymptotische Signifikanz (-seitig),94,5,63,4,3,53,83,5,63,9,3,4 -,94 -,85 -,38 -,4 -, -,53,75,34,68,469,59,5,78,55,4,7,,64 a. Die zu testende Verteilung ist eine ormalverteilung. b. Aus den Daten berechnet. 77

31 Tabelle 58: Levene-Test zur Varianzhomogenität für EDA-Intensität Test auf Homogenität der Varianz für EDA - Intensität Summe neg. Bilder Summe neutr. Bilder Summe pos. Bilder Maximum neg. Bilder Maximum neutr. Bilder Maximum pos. Bilder Basierend auf dem Median und mit angepaßten df Basiert auf dem getrimmten Mittel Basierend auf dem Median und mit angepaßten df Basiert auf dem getrimmten Mittel Basierend auf dem Median und mit angepaßten df Basiert auf dem getrimmten Mittel Basierend auf dem Median und mit angepaßten df Basiert auf dem getrimmten Mittel Basierend auf dem Median und mit angepaßten df Basiert auf dem getrimmten Mittel Basierend auf dem Median und mit angepaßten df Basiert auf dem getrimmten Mittel Levene- Statistik df df Signifikanz,79 4,38,943 4,398,943 34,43,399,84 4,75,53 4,9,836 4,44,836 38,696,44,45 4,47,8 4,83,4 4,787,4 39,599,787,9 4,8,64 4,6,89 4,45,89 5,53,456,63 4,94 4,56 4,6,74 4,78,74 36,45,8 4,79 4,4, 4,3,8 4,456,8 37,95,456,6 4,338 Tabelle 59: Tests der Zwischensubjekteffekte für EDA-Intensität Quelle Korrigiertes Modell Konstanter Term Geschlecht Bildvalenz * Bildvalenz Fehler Korrigierte variation Tests der Zwischensubjekteffekte für EDA - Intensität Abhängige Variable EDASum EDAMax EDASum EDAMax EDASum EDAMax EDASum EDAMax EDASum EDAMax EDASum EDAMax EDASum EDAMax EDASum EDAMax EDASum EDAMax EDASum EDAMax Quadratsum me vom Typ III a. R-Quadrat =,35 (korrigiertes R-Quadrat =,6) b. R-Quadrat =,5 (korrigiertes R-Quadrat =,78) df,78 a,78,836,6,75 b,7,8,3,9,9,,638,6,6,448,55,66,66,54,7,8,8,643,44,9,9 3,8,84,4,4 3,,8,448,4 5,58,6,5,53 3,996,,,6,43,47,69,35,6,77,6 4,4,94,984,4 4,4,7,897 5,3 8,43,556 8,3,54 9 3,3 9 5,8 8,83 8 Mittel der Quadrate F Signifikanz 78

32 Tabelle 6: Multivariate Tests für für EDA-Intensität Effekt Konstanter Term Geschlecht Bildvalenz * Bildvalenz a. Exakte Statistik Größte charakteristische Wurzel nach Roy Größte charakteristische Wurzel nach Roy Größte charakteristische Wurzel nach Roy Größte charakteristische Wurzel nach Roy Größte charakteristische Wurzel nach Roy Größte charakteristische Wurzel nach Roy Multivariate Tests für EDA - Intensität c Wert F Hypothese df Fehler df Signifikanz,5,37 a, 7,,736,995,37 a, 7,,736,5,37 a, 7,,736,5,37 a, 7,,736,,8 a, 7,,97,979,8 a, 7,,97,,8 a, 7,,97,,8 a, 7,,97,6,578 a, 7,,,974,578 a, 7,,,7,578 a, 7,,,7,578 a, 7,,, 3,45 4, 36,,9,89 3,457 a 4, 34,,9,9 3,46 4, 3,,9,95 5,68 b, 8,,5,63,96 4, 36,,,938,9 a 4, 34,,9,66,97 4, 3,,8,6 3,67 b, 8,,3,69,59 8, 36,,393,93,66 a 8, 34,,388,74,73 8, 3,,383,7,98 b 4, 8,,85 b. Die Statistik ist eine Obergrenze auf F, die eine Untergrenze auf dem Signifikanzniveau ergibt. c. Design: Intercept++Geschl++IAPSValenz+ * IAPSValenz Tabelle 6: Post-Hoc-Tests für EDA-Intensität Bonferroni Mehrfachvergleiche für EDA - Intensität Abhängige Variable Summe Maximum = ichtmeditierende, =, = Basiert auf beobachteten Mittelwerten. *. Die mittlere Differenz ist auf der Stufe,5 signifikant. Mittlere Differenz (I-J) 95% Konfidenzintervall Standardf ehler Signifikanz Untergrenze Obergrenze,9,45,8 -,3,933,43*,5459,3,5,756 -,9,45,8 -,933,3,59,56,88 -,688,747 -,43*,5459,3 -,756 -,5 -,59,56,88 -,747,688,343,35,44 -,7,94,83*,39,4,8,546 -,343,35,44 -,94,7,469,773,79 -,4,43 -,83*,39,4 -,546 -,8 -,469,773,79 -,43,4 79

33 Tabelle 6: Korrelationen für EDA-Intensität Korrelationen für EDA - Intensität Spearman-Rho Summe Maximum Prozentrang Achtsamkeit Achtsampraxis in Stunden + FFaScore Achtsamkeitspraxis in Stunden Praxisdauer in Jahren = fem = mask **. Die Korrelation ist auf dem, iveau signifikant (einseitig). *. Die Korrelation ist auf dem,5 iveau signifikant (einseitig). Summe Maximum,,944**., 43 43,944**,, ,4** -,5**,3, ,5** -,46**,, ,** -,8**,6, ,6** -,3*,, ,** -,6**,9, ,3 -,,36, ,44**,6**,3, Tabelle 63: Regressionsrechnung für EDA-Summe Modell (Konstante) Prozentrang Achtsamkeit a. Abhängige Variable: EDA - Summe Koeffizienten a icht standardisierte Koeffizienten B Standardf ehler Standardisie rte Koeffizienten Beta,39,37 8,449, -,, -,66-3,4, T Signifikanz Tabelle 64: Regressionsrechnung für EDA-Maximum Modell (Konstante) Prozentrang Achtsamkeit a. Abhängige Variable: EDA Maximum Koeffizienten a icht standardisierte Koeffizienten B Standardf ehler Standardisierte Koeffizienten Beta,58, 7,687, -,, -,49 -,89,5 T Signifikanz 8

34 C3.: Intensität der motivationalen Komponente Tabelle 65: Kolmogorov-Smirnov-Tests für Startle-Response Kolmogorov-Smirnov-Anpassungstest für Startle - Response über alle Zeitpunkte ichtmeditierende Parameter der ormalverteilung a,b Mittelwert Standardabweichung neg. Bilder neutr. Bilder pos. Bilder Inhibition Potenzierung , ,433 54,373,393,4454 8,59 9,44 3,6333 3,483,5 Extremste Differenzen Absolut Positiv egativ Kolmogorov-Smirnov-Z Asymptotische Signifikanz (-seitig),4,3,6,39,86,4,3,6,55,86 -,73 -,9 -, -,39 -,6,8,53,56,39,8,3,87,9,59,5 Parameter der ormalverteilung a,b Mittelwert Standardabweichung , ,5 34,453 -,4,9 7,3739 6,593 8,734 8,364 4,5793 Extremste Differenzen Absolut Positiv egativ Kolmogorov-Smirnov-Z Asymptotische Signifikanz (-seitig),4,,,96,99,4,,,73,95 -,84 -,83 -,8 -,96 -,99,86,383,47,87,3,73,44,89,,97 Parameter der ormalverteilung a,b Mittelwert Standardabweichung ,553 9,846,595 -,6949,437,367 9,33,6769 7,98 7,35686 Extremste Differenzen Absolut Positiv egativ Kolmogorov-Smirnov-Z Asymptotische Signifikanz (-seitig),6,4,7,4,7,6,4,7,8,7 -,74 -,57 -,79 -,4 -,93,945,78,95,55,83,333,575,34,6,539 a. Die zu testende Verteilung ist eine ormalverteilung. b. Aus den Daten berechnet. Tabelle 66: AOVA für overall Startle-Response StartleResponse OEWAY AOVA für overall Startle-Response Zwischen den n Innerhalb der n Quadrats umme df 659, ,744,73, 3, ,99 765,43 4 Mittel der Quadrate F Signifikanz Tabelle 67: Kruskal-Wallis-Test für overall Startle-Response Statistik für Kruskal-Wallis-Test für overall Startle-Response a,b Kruskal-Wallis-Test für overall Startle-Response: Ränge Mittlerer Rang Startle-Response 3 3,54,4 8, 43 Chi-Quadrat df Asymptotische Signifikanz a. Kruskal-Wallis-Test b.,, Startle Response 6,948, 8

Standardab er des. Testwert = 145.5 95% Konfidenzintervall. T df Sig. (2-seitig) Differenz Untere Obere -2.011 698.045-5.82-11.50 -.14.

Standardab er des. Testwert = 145.5 95% Konfidenzintervall. T df Sig. (2-seitig) Differenz Untere Obere -2.011 698.045-5.82-11.50 -.14. Aufgabe : einfacher T-Test Statistik bei einer Stichprobe Standardfehl Standardab er des Mittelwert weichung Mittelwertes 699 39.68 76.59 2.894 Test bei einer Sichprobe Testwert = 45.5 95% Konfidenzintervall

Mehr

Beispiel für eine multivariate Varianzanalyse (MANOVA) Daten: POKIV_Terror_V12.sav

Beispiel für eine multivariate Varianzanalyse (MANOVA) Daten: POKIV_Terror_V12.sav Beispiel für eine multivariate Varianzanalyse () Daten: POKIV_Terror_V12.sav Es soll überprüft werden, inwieweit das ATB-Syndrom (Angst vor mit den drei Subskalen affektive Angst von, Terrorpersistenz,

Mehr

Korrelation - Regression. Berghold, IMI

Korrelation - Regression. Berghold, IMI Korrelation - Regression Zusammenhang zwischen Variablen Bivariate Datenanalyse - Zusammenhang zwischen 2 stetigen Variablen Korrelation Einfaches lineares Regressionsmodell 1. Schritt: Erstellung eines

Mehr

6. METRISCHE UND KATEGORIALE MERKMALE

6. METRISCHE UND KATEGORIALE MERKMALE 6. METRISCHE UND KATEGORIALE MERKMALE wenn an einer Beobachtungseinheit eine (oder mehrere) metrische und eine (oder mehrere) kategoriale Variable(n) erhoben wurden Beispiel: Haushaltsarbeit von Teenagern

Mehr

Weitere (wählbare) Kontraste in der SPSS Prozedur Allgemeines Lineares Modell

Weitere (wählbare) Kontraste in der SPSS Prozedur Allgemeines Lineares Modell Einfaktorielle Versuchspläne 27/40 Weitere (wählbare) Kontraste in der SPSS Prozedur Allgemeines Lineares Modell Abweichung Einfach Differenz Helmert Wiederholt Vergleich Jede Gruppe mit Gesamtmittelwert

Mehr

Varianzanalytische Methoden Zweifaktorielle Versuchspläne 4/13. Durchführung in SPSS (File Trait Angst.sav)

Varianzanalytische Methoden Zweifaktorielle Versuchspläne 4/13. Durchführung in SPSS (File Trait Angst.sav) Zweifaktorielle Versuchspläne 4/13 Durchführung in SPSS (File Trait Angst.sav) Analysieren > Allgemeines Lineares Modell > Univariat Zweifaktorielle Versuchspläne 5/13 Haupteffekte Geschlecht und Gruppe

Mehr

Ausgewählte Kapitel der Statistik: Regressions- u. varianzanalytische Modelle Lösung von Grundaufgaben mit SPSS (ab V. 11.0)

Ausgewählte Kapitel der Statistik: Regressions- u. varianzanalytische Modelle Lösung von Grundaufgaben mit SPSS (ab V. 11.0) Ausgewählte Kapitel der Statistik: Regressions- u. varianzanalytische e Lösung von Grundaufgaben mit SPSS (ab V..0) Text: akmv_v.doc Daten: akmv??.sav Lehrbuch: W. Timischl, Biostatistik. Wien - New York:

Mehr

Varianzananalyse. How to do

Varianzananalyse. How to do Varianzananalyse How to do Die folgende Zusammenfassung zeigt beispielhaft, wie eine Varianzanalyse mit SPSS durchgeführt wird und wie die Ergebnisse in einem Empra-Bericht oder in einer Bachelor- oder

Mehr

Allgemeines Lineares Modell: Univariate Varianzanalyse und Kovarianzanalyse

Allgemeines Lineares Modell: Univariate Varianzanalyse und Kovarianzanalyse Allgemeines Lineares Modell: Univariate Varianzanalyse und Kovarianzanalyse Univariate Varianz- und Kovarianzanlyse, Multivariate Varianzanalyse und Varianzanalyse mit Messwiederholung finden sich unter

Mehr

V A R I A N Z A N A L Y S E

V A R I A N Z A N A L Y S E V A R I A N Z A N A L Y S E Ziel / Funktion: statistische Beurteilung des Einflusses von nominal skalierten (kategorialen) Faktoren auf intervallskalierte abhängige Variablen Vorteil: die Wirkung von mehreren,

Mehr

Klausur zur Vorlesung Statistik III für Studenten mit dem Wahlfach Statistik

Klausur zur Vorlesung Statistik III für Studenten mit dem Wahlfach Statistik Ludwig Fahrmeir, Nora Fenske Institut für Statistik Bitte für die Korrektur freilassen! Aufgabe 1 2 3 4 Punkte Klausur zur Vorlesung Statistik III für Studenten mit dem Wahlfach Statistik 29. März 21 Hinweise:

Mehr

2. Korrelation, lineare Regression und multiple Regression

2. Korrelation, lineare Regression und multiple Regression multiple 2.2 Lineare 2.2 Lineare 1 / 130 2.2 Lineare 2 / 130 2.1 Beispiel: Arbeitsmotivation Untersuchung zur Motivation am Arbeitsplatz in einem Chemie-Konzern 25 Personen werden durch Arbeitsplatz zufällig

Mehr

Grundlagen von Versuchsmethodik und Datenanalyse

Grundlagen von Versuchsmethodik und Datenanalyse Grundlagen von Versuchsmethodik und Datenanalyse Der Anfang: Hypothesen über Ursache-Wirkungs-Zusammenhänge Ursache Wirkung Koffein verbessert Kurzzeitgedächtnis Gewaltfilme führen zu aggressivem Verhalten

Mehr

Varianzanalyse ANOVA

Varianzanalyse ANOVA Varianzanalyse ANOVA Johannes Hain Lehrstuhl für Mathematik VIII Statistik 1/23 Einfaktorielle Varianzanalyse (ANOVA) Bisher war man lediglich in der Lage, mit dem t-test einen Mittelwertsvergleich für

Mehr

3 Zusammenhangsmaße Zusammenhangshypothesen

3 Zusammenhangsmaße Zusammenhangshypothesen 3 Zusammenhangsmaße Zusammenhangshypothesen Zusammenhänge (zwischen 2 Variablen) misst man mittels Korrelationen. Die Wahl der Korrelation hängt ab von: a) Skalenniveau der beiden Variablen: 1) intervallskaliert

Mehr

Grundlagen quantitativer Sozialforschung Interferenzstatistische Datenanalyse in MS Excel

Grundlagen quantitativer Sozialforschung Interferenzstatistische Datenanalyse in MS Excel Grundlagen quantitativer Sozialforschung Interferenzstatistische Datenanalyse in MS Excel 16.11.01 MP1 - Grundlagen quantitativer Sozialforschung - (4) Datenanalyse 1 Gliederung Datenanalyse (inferenzstatistisch)

Mehr

Versuchsbericht. Allgemeinpsychologisches Experimental-Praktikum SS 2003. Tutor: Dipl.-Psych. Alexandra Lenhard

Versuchsbericht. Allgemeinpsychologisches Experimental-Praktikum SS 2003. Tutor: Dipl.-Psych. Alexandra Lenhard Julius-Maximilians-Universität Würzburg Psychologisches Institut III Versuchsbericht Allgemeinpsychologisches Experimental-Praktikum SS 2003 Tutor: Dipl.-Psych. Alexandra Lenhard Thema: Intermanueller

Mehr

Univariate Lineare Regression. (eine unabhängige Variable)

Univariate Lineare Regression. (eine unabhängige Variable) Univariate Lineare Regression (eine unabhängige Variable) Lineare Regression y=a+bx Präzise lineare Beziehung a.. Intercept b..anstieg y..abhängige Variable x..unabhängige Variable Lineare Regression y=a+bx+e

Mehr

Begleitskript zur Veranstaltung: SPSS für DiplomandInnen

Begleitskript zur Veranstaltung: SPSS für DiplomandInnen Begleitskript zur Veranstaltung: SPSS für DiplomandInnen Dieses Skript wurde von Xenia Aures und Martin Kloss für das Seminar SPSS für DiplomandInnen erstellt und von Nina Krüger überarbeitet und erweitert.

Mehr

Tabelle 6a: Deskriptive Statistiken der metrischen Variablen

Tabelle 6a: Deskriptive Statistiken der metrischen Variablen Ergebnisse 77 5 Ergebnisse Das folgende Kapitel widmet sich der statistischen Auswertung der Daten zur Ü- berprüfung der Hypothesen. Die hier verwendeten Daten wurden mit den in 4.3 beschriebenen Instrumenten

Mehr

Analog zu Aufgabe 16.1 werden die Daten durch folgenden Befehl eingelesen: > kredit<-read.table("c:\\compaufg\\kredit.

Analog zu Aufgabe 16.1 werden die Daten durch folgenden Befehl eingelesen: > kredit<-read.table(c:\\compaufg\\kredit. Lösung 16.3 Analog zu Aufgabe 16.1 werden die Daten durch folgenden Befehl eingelesen: > kredit

Mehr

Kommentierter SPSS-Ausdruck zur logistischen Regression

Kommentierter SPSS-Ausdruck zur logistischen Regression Daten: POK V AG 3 (POKV_AG3_V07.SAV) Kommentierter SPSS-Ausdruck zur logistischen Regression Fragestellung: Welchen Einfluss hat die Fachnähe und das Geschlecht auf die interpersonale Attraktion einer

Mehr

Die Auswertung dyadischer Daten anhand des Partner-Effekt-Modells

Die Auswertung dyadischer Daten anhand des Partner-Effekt-Modells Die Auswertung dyadischer Daten anhand des Partner-Effekt-Modells Dorothea E. Dette-Hagenmeyer Was sind dyadische Daten? Dyadische Daten sind Daten von zwei oder mehreren Personen, die etwas miteinander

Mehr

Kapitel 7: Varianzanalyse mit Messwiederholung

Kapitel 7: Varianzanalyse mit Messwiederholung Kapitel 7: Varianzanalyse mit Messwiederholung Durchführung einer einfaktoriellen Varianzanalyse mit Messwiederholung 1 Durchführung einer zweifaktoriellen Varianzanalyse mit Messwiederholung auf einem

Mehr

Prüfen von Mittelwertsunterschieden: t-test

Prüfen von Mittelwertsunterschieden: t-test Prüfen von Mittelwertsunterschieden: t-test Sven Garbade Fakultät für Angewandte Psychologie SRH Hochschule Heidelberg sven.garbade@hochschule-heidelberg.de Statistik 1 S. Garbade (SRH Heidelberg) t-test

Mehr

Modul G.1 WS 07/08: Statistik 17.01.2008 1. Die Korrelation ist ein standardisiertes Maß für den linearen Zusammenhangzwischen zwei Variablen.

Modul G.1 WS 07/08: Statistik 17.01.2008 1. Die Korrelation ist ein standardisiertes Maß für den linearen Zusammenhangzwischen zwei Variablen. Modul G.1 WS 07/08: Statistik 17.01.2008 1 Wiederholung Kovarianz und Korrelation Kovarianz = Maß für den linearen Zusammenhang zwischen zwei Variablen x und y Korrelation Die Korrelation ist ein standardisiertes

Mehr

Auswertung und Darstellung wissenschaftlicher Daten (1)

Auswertung und Darstellung wissenschaftlicher Daten (1) Auswertung und Darstellung wissenschaftlicher Daten () Mag. Dr. Andrea Payrhuber Zwei Schritte der Auswertung. Deskriptive Darstellung aller Daten 2. analytische Darstellung (Gruppenvergleiche) SPSS-Andrea

Mehr

9. Schätzen und Testen bei unbekannter Varianz

9. Schätzen und Testen bei unbekannter Varianz 9. Schätzen und Testen bei unbekannter Varianz Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Schätzen und Testen bei unbekannter Varianz Wenn wir die Standardabweichung σ nicht kennen,

Mehr

Kommentierter SPSS-Output für die multiple Regressionsanalyse (SPSS-Version 17)

Kommentierter SPSS-Output für die multiple Regressionsanalyse (SPSS-Version 17) R.Niketta Multiple Regressionsanalyse Kommentierter SPSS-Output für die multiple Regressionsanalyse (SPSS-Version 17) Daten: Selbstdarstellung und Kontaktsuche in studi.vz (POK VIII, AG 3) Fragestellung:

Mehr

Das Dialogfeld für die Regressionsanalyse ("Lineare Regression") findet sich im Statistik- Menu unter "Regression"-"Linear":

Das Dialogfeld für die Regressionsanalyse (Lineare Regression) findet sich im Statistik- Menu unter Regression-Linear: Lineare Regression Das Dialogfeld für die Regressionsanalyse ("Lineare Regression") findet sich im Statistik- Menu unter "Regression"-"Linear": Im einfachsten Fall werden mehrere Prädiktoren (oder nur

Mehr

6.1.2 Die Interaktionseffekte von Dummy- und zentrierten metrischen Variablen

6.1.2 Die Interaktionseffekte von Dummy- und zentrierten metrischen Variablen Dr. Wolfgang Langer - Integrierte Veranstaltung Methoden IV WS 2002/2003-1 6.1.2 Die Interaktionseffekte von Dummy- und zentrierten metrischen Variablen Bei der Zentrierung handelt es sich um eine lineare

Mehr

Kreuztabellenanalyse -Zusammenhangsmaße

Kreuztabellenanalyse -Zusammenhangsmaße Lehrveranstaltung Empirische Forschung und Politikberatung der Universität Bonn, WS 2007/2008 Kreuztabellenanalyse -Zusammenhangsmaße 14. Dezember 2007 Anja Hall, Bundesinstitut für Berufsbildung, AB 2.2:

Mehr

Multivariate Verfahren

Multivariate Verfahren Selbstkontrollarbeit 2 Multivariate Verfahren Musterlösung Aufgabe 1 (28 Punkte) Der Marketing-Leiter einer Lebensmittelherstellers möchte herausfinden, mit welchem Richtpreis eine neue Joghurt-Marke auf

Mehr

Inhaltsverzeichnis. Regressionsanalyse. http://mesosworld.ch - Stand vom: 20.1.2010 1

Inhaltsverzeichnis. Regressionsanalyse. http://mesosworld.ch - Stand vom: 20.1.2010 1 Inhaltsverzeichnis Regressionsanalyse... 2 Lernhinweise... 2 Einführung... 2 Theorie (1-8)... 2 1. Allgemeine Beziehungen... 3 2. 'Best Fit'... 3 3. 'Ordinary Least Squares'... 4 4. Formel der Regressionskoeffizienten...

Mehr

Webergänzung zu Kapitel 10

Webergänzung zu Kapitel 10 Webergänzung zu Kapitel 10 10.1.4 Varianzanalyse (ANOVA: analysis of variance) Im Kapitel 10 haben wir uns hauptsächlich mit Forschungsbeispielen beschäftigt, die nur zwei Ergebnissätze hatten (entweder

Mehr

Multiple Regression II: Signifikanztests, Gewichtung, Multikollinearität und Kohortenanalyse

Multiple Regression II: Signifikanztests, Gewichtung, Multikollinearität und Kohortenanalyse Multiple Regression II: Signifikanztests,, Multikollinearität und Kohortenanalyse Statistik II Übersicht Literatur Kausalität und Regression Inferenz und standardisierte Koeffizienten Statistik II Multiple

Mehr

SFB 833 Bedeutungskonstitution. Kompaktkurs. Datenanalyse. Projekt Z2 Tübingen, Mittwoch, 18. und 20. März 2015

SFB 833 Bedeutungskonstitution. Kompaktkurs. Datenanalyse. Projekt Z2 Tübingen, Mittwoch, 18. und 20. März 2015 SFB 833 Bedeutungskonstitution Kompaktkurs Datenanalyse Projekt Z2 Tübingen, Mittwoch, 18. und 20. März 2015 Messen und Skalen Relativ (Relationensystem): Menge A von Objekten und eine oder mehrere Relationen

Mehr

Multivariate Statistik mit Mathematica und SPSS

Multivariate Statistik mit Mathematica und SPSS Multivariate Statistik mit Mathematica und SPSS von Dipl.-Math. Marco Schuchmann Dipl.-Math. Werner Sanns Seite 2 Varianzanalyse Die Informationen in diesem Buch entstammen langjähriger Erfahrung in Praxis

Mehr

Datenanalyse mit SPSS spezifische Analysen

Datenanalyse mit SPSS spezifische Analysen Datenanalyse mit SPSS spezifische Analysen Arnd Florack Tel.: 0251 / 83-34788 E-Mail: florack@psy.uni-muenster.de Raum 2.015 Sprechstunde: Dienstags 15-16 Uhr 25. Mai 2001 2 Auswertung von Häufigkeitsdaten

Mehr

Kapitel 3: Interpretationen

Kapitel 3: Interpretationen Kapitel 3: 1. Interpretation von Outputs allgemein... 1 2. Interpretation von Signifikanzen... 1 2.1. Signifikanztests / Punktschätzer... 1 2.2. Konfidenzintervalle... 2 3. Interpretation von Parametern...

Mehr

Auswertung mit dem Statistikprogramm SPSS: 30.11.05

Auswertung mit dem Statistikprogramm SPSS: 30.11.05 Auswertung mit dem Statistikprogramm SPSS: 30.11.05 Seite 1 Einführung SPSS Was ist eine Fragestellung? Beispiel Welche statistische Prozedur gehört zu welcher Hypothese? Statistische Berechnungen mit

Mehr

Eine computergestützte Einführung mit

Eine computergestützte Einführung mit Thomas Cleff Deskriptive Statistik und Explorative Datenanalyse Eine computergestützte Einführung mit Excel, SPSS und STATA 3., überarbeitete und erweiterte Auflage ^ Springer Inhaltsverzeichnis 1 Statistik

Mehr

25. Januar 2010. Ruhr-Universität Bochum. Methodenlehre III, WS 2009/2010. Prof. Dr. Holger Dette. 4. Multivariate Mittelwertvergleiche

25. Januar 2010. Ruhr-Universität Bochum. Methodenlehre III, WS 2009/2010. Prof. Dr. Holger Dette. 4. Multivariate Mittelwertvergleiche Ruhr-Universität Bochum 25. Januar 2010 1 / 75 2 / 75 4.1 Beispiel: Vergleich von verschiedenen Unterrichtsmethoden Zwei Zufallsstichproben (A und B) mit je 10 Schülern und 8 Schülern Gruppe A wird nach

Mehr

Einfache Statistiken in Excel

Einfache Statistiken in Excel Einfache Statistiken in Excel Dipl.-Volkswirtin Anna Miller Bergische Universität Wuppertal Schumpeter School of Business and Economics Lehrstuhl für Internationale Wirtschaft und Regionalökonomik Raum

Mehr

Forschungspraktikum Gruppenbezogene Menschenfeindlichkeit. Lineare Regression Statistisches Modell Realisierung mit der SPSS-Prozedur Regression

Forschungspraktikum Gruppenbezogene Menschenfeindlichkeit. Lineare Regression Statistisches Modell Realisierung mit der SPSS-Prozedur Regression Forschungspraktikum Gruppenbezogene Menschenfeindlichkeit Lineare Regression Statistisches Realisierung mit der SPSS-Prozedur Regression Statistische Zusammenhangsanalyse Lineare Regression Um zu untersuchen,

Mehr

5.2. Nichtparametrische Tests. 5.2.1. Zwei unabhängige Stichproben: U- Test nach MANN- WHITNEY

5.2. Nichtparametrische Tests. 5.2.1. Zwei unabhängige Stichproben: U- Test nach MANN- WHITNEY 5.2. Nichtparametrische Tests 5.2.1. Zwei unabhängige Stichproben: U- Test nach MANN- WHITNEY Voraussetzungen: - Die Verteilungen der beiden Grundgesamtheiten sollten eine ähnliche Form aufweisen. - Die

Mehr

Log-lineare Analyse I

Log-lineare Analyse I 1 Log-lineare Analyse I Einleitung Die log-lineare Analysemethode wurde von L.A. Goodman in den 60er und 70er Jahren entwickelt. Sie dient zur Analyse von Zusammenhängen in mehrdimensionalen Kontingenztafeln

Mehr

IBM SPSS Advanced Statistics 20

IBM SPSS Advanced Statistics 20 IBM SPSS Advanced Statistics 20 Hinweis: Lesen Sie zunächst die allgemeinen Informationen unter Hinweise auf S. 180, bevor Sie dieses Informationsmaterial sowie das zugehörige Produkt verwenden. Diese

Mehr

Übungen zur Veranstaltung Statistik 2 mit SPSS

Übungen zur Veranstaltung Statistik 2 mit SPSS Raum 22, Tel. 39 4 Aufgabe 5. Wird der neue Film MatchPoint von Woody Allen von weiblichen und männlichen Zuschauern gleich bewertet? Eine Umfrage unter 00 Kinobesuchern ergab folgende Daten: Altersgruppe

Mehr

IBM SPSS Advanced Statistics 19

IBM SPSS Advanced Statistics 19 IBM SPSS Advanced Statistics 19 Note: Before using this information and the product it supports, read the general information under Notices auf S. 173. This document contains proprietary information of

Mehr

Varianzanalyse * (1) Varianzanalyse (2)

Varianzanalyse * (1) Varianzanalyse (2) Varianzanalyse * (1) Einfaktorielle Varianzanalyse (I) Die Varianzanalyse (ANOVA = ANalysis Of VAriance) wird benutzt, um Unterschiede zwischen Mittelwerten von drei oder mehr Stichproben auf Signifikanz

Mehr

Willkommen zur Vorlesung Statistik

Willkommen zur Vorlesung Statistik Willkommen zur Vorlesung Statistik Thema dieser Vorlesung: Varianzanalyse Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften Prof. Dr. Wolfgang

Mehr

90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft

90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft Prof. Dr. Helmut Küchenhoff SS08 90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft am 22.7.2008 Anmerkungen Überprüfen Sie bitte sofort, ob Ihre Angabe vollständig ist. Sie sollte

Mehr

T-TEST BEI EINER STICHPROBE:

T-TEST BEI EINER STICHPROBE: Kapitel 19 T-Test Mit Hilfe der T-TEST-Prozeduren werden Aussagen über Mittelwerte getroffen. Dabei wird versucht, aus den Beobachtungen einer Stichprobe Rückschlüsse auf die Grundgesamtheit zu ziehen.

Mehr

Eine Einführung in SPSS

Eine Einführung in SPSS Eine Einführung in SPSS Aufbau von SPSS 14 Bemerkung: SPSS 14 kann in den Subzentren in der Kopernikusgasse installiert werden, falls dies noch nicht geschehen ist. Dazu öffnet man den Application Explorer

Mehr

Multivariate Analyse: Einführung in das COX-Modell

Multivariate Analyse: Einführung in das COX-Modell Auswertung Multivariate Analyse: Einführung in das COX-Modell Deskriptive Statistik Häufigkeiten, Univariate Statistiken, Explorative Datenanalyse, Kreuztabellen) Induktive Statistik, Vergleich von Mittelwerten

Mehr

Beispiel: Sonntagsfrage. Einführung in die induktive Statistik. Statistische Tests. Statistische Tests

Beispiel: Sonntagsfrage. Einführung in die induktive Statistik. Statistische Tests. Statistische Tests Beispiel: Sonntagsfrage Vier Wochen vor der österreichischen Nationalratswahl 1999 wurde 499 Haushalten die Sonntagsfrage gestellt: Falls nächsten Sonntag Wahlen wären, welche Partei würden Sie wählen?

Mehr

Multiple Regression. Ziel: Vorhersage der Werte einer Variable (Kriterium) bei Kenntnis der Werte von zwei oder mehr anderen Variablen (Prädiktoren)

Multiple Regression. Ziel: Vorhersage der Werte einer Variable (Kriterium) bei Kenntnis der Werte von zwei oder mehr anderen Variablen (Prädiktoren) Multiple Regression 1 Was ist multiple lineare Regression? Ziel: Vorhersage der Werte einer Variable (Kriterium) bei Kenntnis der Werte von zwei oder mehr anderen Variablen (Prädiktoren) Annahme: Der Zusammenhang

Mehr

Häufigkeitstabellen. Balken- oder Kreisdiagramme. kritischer Wert für χ2-test. Kontingenztafeln

Häufigkeitstabellen. Balken- oder Kreisdiagramme. kritischer Wert für χ2-test. Kontingenztafeln Häufigkeitstabellen Menüpunkt Data PivotTable Report (bzw. entsprechendes Icon): wähle Data Range (Zellen, die die Daten enthalten + Zelle mit Variablenname) wähle kategoriale Variable für Spalten- oder

Mehr

Abschlussklausur (60 Minuten), 15. Juli 2014

Abschlussklausur (60 Minuten), 15. Juli 2014 Prof. Dr. Amelie Wuppermann Volkswirtschaftliche Fakultät Universität München Sommersemester 2014 Empirische Ökonomie 1 Abschlussklausur (60 Minuten), 15. Juli 2014 Bearbeitungshinweise Die Bearbeitungszeit

Mehr

3.2 Bivariate Verteilungen

3.2 Bivariate Verteilungen 3.2 Bivariate Verteilungen zwei Variablen X, Y werden gemeinsam betrachtet (an jedem Objekt i, i = 1,..., n, werden gleichzeitig zwei Merkmale beobachtet) Beobachtungswerte sind Paare/Kombinationen von

Mehr

Regressionsanalysen. Zusammenhänge von Variablen. Ziel der Regression. ( Idealfall )

Regressionsanalysen. Zusammenhänge von Variablen. Ziel der Regression. ( Idealfall ) Zusammenhänge von Variablen Regressionsanalysen linearer Zusammenhang ( Idealfall ) kein Zusammenhang nichtlinearer monotoner Zusammenhang (i.d.regel berechenbar über Variablentransformationen mittels

Mehr

5.2 Optionen Auswahl der Statistiken, die bei der jeweiligen Prozedur zur Verfügung stehen.

5.2 Optionen Auswahl der Statistiken, die bei der jeweiligen Prozedur zur Verfügung stehen. 5 Statistik mit SPSS Die Durchführung statistischer Auswertungen erfolgt bei SPSS in 2 Schritten, der Auswahl der geeigneten Methode, bestehend aus Prozedur Variable Optionen und der Ausführung. 5.1 Variablen

Mehr

Neuerungen in Minitab 16

Neuerungen in Minitab 16 Neuerungen in Minitab 16 minitab@additive-net.de - Telefon: 06172 / 5905-30 Willkommen zu Minitab 16! Die neueste Version der Minitab Statistical Software umfasst mehr als siebzig neue Funktionen und Verbesserungen,

Mehr

Einführung in die Kovarianzanalyse (ANCOVA)

Einführung in die Kovarianzanalyse (ANCOVA) Arbeitsunterlage Einführung in die Kovarianzanalyse (ANCOVA) ARGE-Bildungsforschung 2 Einführung in die Kovarianzanalyse (ANCOVA) 1 Die Varianzanalyse ist ein Verfahren, das die Wirkung einer (oder mehrerer)

Mehr

26 Nichtparametrische Tests

26 Nichtparametrische Tests 26 Nichtparametrische Tests Das Menü und auch die Ergebnisausgabe von Nichtparametrische Tests ist seit der Version 18 neu gestaltet. Die Darstellung in der 8. Auflage des Buches bezieht sich ausschließlich

Mehr

Quantitative Methoden der Bildungsforschung

Quantitative Methoden der Bildungsforschung Glieung Wieholung Korrelationen Grundlagen lineare Regression Lineare Regression in SPSS Übung Wieholung Korrelationen Standardisiertes Zusammenhangsmaß (unstandardisiert: Kovarianz) linearer Zusammenhang

Mehr

Varianzanalyse. Seminar: Multivariate Verfahren Dr. Thomas Schäfer. Datum: 25. Mai 2010

Varianzanalyse. Seminar: Multivariate Verfahren Dr. Thomas Schäfer. Datum: 25. Mai 2010 Varianzanalyse Seminar: Multivariate Verfahren Dozent: Dr. Thomas Schäfer Referenten: Ralf Hopp, Michaela Haase, Tina Giska Datum: 25. Mai 2010 Gliederung I Theorieteil 1. Das Prinzip der Varianzanalyse

Mehr

Statistik Musterlösungen

Statistik Musterlösungen Statistik Musterlösungen Regina Tüchler & Achim Zeileis Institut für Statistik & Mathematik Wirtschaftsuniversität Wien 1 Grundbegriffe (1.23) Skript Reaktionen auf Videofilm. Aussagen M, E, P, S h(m)

Mehr

Elisabeth Raab-Steiner/Michael Benesch. Der Fragebogen. Von der Forschungsidee zur SPSS/PASW-Auswertung. 2., aktualisierte Auflage. facultas.

Elisabeth Raab-Steiner/Michael Benesch. Der Fragebogen. Von der Forschungsidee zur SPSS/PASW-Auswertung. 2., aktualisierte Auflage. facultas. Elisabeth Raab-Steiner/Michael Benesch Der Fragebogen Von der Forschungsidee zur SPSS/PASW-Auswertung 2., aktualisierte Auflage facultas.wuv Inhaltsverzeichnis 1 Elementare Definitionen 11 1.1 Deskriptive

Mehr

14.01.14 DAS THEMA: INFERENZSTATISTIK II. Standardfehler Konfidenzintervalle Signifikanztests. Standardfehler

14.01.14 DAS THEMA: INFERENZSTATISTIK II. Standardfehler Konfidenzintervalle Signifikanztests. Standardfehler DAS THEMA: INFERENZSTATISTIK II INFERENZSTATISTISCHE AUSSAGEN Standardfehler Konfidenzintervalle Signifikanztests Standardfehler der Standardfehler Interpretation Verwendung 1 ZUR WIEDERHOLUNG... Ausgangspunkt:

Mehr

Felix-Nicolai Müller. Seminar Fragebogenmethodik - WS2009/2010 - Universität Trier Dr. Dirk Kranz 24.11.2009

Felix-Nicolai Müller. Seminar Fragebogenmethodik - WS2009/2010 - Universität Trier Dr. Dirk Kranz 24.11.2009 Cohen s Kappa Felix-Nicolai Müller Seminar Fragebogenmethodik - WS2009/2010 - Universität Trier Dr. Dirk Kranz 24.11.2009 Felix-Nicolai Müller Cohen s Kappa 24.11.2009 1 / 21 Inhaltsverzeichnis 1 2 3 4

Mehr

Univariate/ multivariate Ansätze. Klaus D. Kubinger. Test- und Beratungsstelle. Effektgrößen

Univariate/ multivariate Ansätze. Klaus D. Kubinger. Test- und Beratungsstelle. Effektgrößen Univariate/ multivariate Ansätze Klaus D. Kubinger Effektgrößen Rasch, D. & Kubinger, K.D. (2006). Statistik für das Psychologiestudium Mit Softwareunter-stützung zur Planung und Auswertung von Untersuchungen

Mehr

Institut für Soziologie. Methoden 2. Regressionsanalyse I: Einfache lineare Regression

Institut für Soziologie. Methoden 2. Regressionsanalyse I: Einfache lineare Regression Institut für Soziologie Methoden 2 Regressionsanalyse I: Einfache lineare Regression Programm Anwendungsbereich Vorgehensweise Interpretation Annahmen Zusammenfassung Übungsaufgabe Literatur # 2 Anwendungsbereich

Mehr

Kapitel 23 Lineare Regression

Kapitel 23 Lineare Regression Kapitel 23 Lineare Regression Sowohl einfache als auch multiple Regressionsanalysen können Sie mit dem Befehl STATISTIK REGRESSION LINEAR... durchführen. Dabei lassen sich mit Hilfe diverser Optionen zahlreiche

Mehr

12. Vergleich mehrerer Stichproben

12. Vergleich mehrerer Stichproben 12. Vergleich mehrerer Stichproben Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Häufig wollen wir verschiedene Populationen, Verfahren, usw. miteinander vergleichen. Beipiel: Vergleich

Mehr

Standardabweichungen vorliegt, wobei die tatsächliche Größe der Differenz keine Rolle spielt. Daher verwendet der Assistent für den Test auf

Standardabweichungen vorliegt, wobei die tatsächliche Größe der Differenz keine Rolle spielt. Daher verwendet der Assistent für den Test auf Dieses White Paper ist Teil einer Reihe von Veröffentlichungen, welche die Forschungsarbeiten der Minitab-Statistiker erläutern, in deren Rahmen die im Assistenten der Minitab 17 Statistical Software verwendeten

Mehr

Einseitig gerichtete Relation: Mit zunehmender Höhe über dem Meeresspiegel sinkt im allgemeinen die Lufttemperatur.

Einseitig gerichtete Relation: Mit zunehmender Höhe über dem Meeresspiegel sinkt im allgemeinen die Lufttemperatur. Statistik Grundlagen Charakterisierung von Verteilungen Einführung Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsverteilungen Schätzen und Testen Korrelation Regression Einführung Die Analyse und modellhafte

Mehr

Tutorial: Homogenitätstest

Tutorial: Homogenitätstest Tutorial: Homogenitätstest Eine Bank möchte die Kreditwürdigkeit potenzieller Kreditnehmer abschätzen. Einerseits lebt die Bank ja von der Vergabe von Krediten, andererseits verursachen Problemkredite

Mehr

Multinomiale logistische Regression

Multinomiale logistische Regression Multinomiale logistische Regression Die multinomiale logistische Regression dient zur Schätzung von Gruppenzugehörigkeiten bzw. einer entsprechenden Wahrscheinlichkeit hierfür, wobei als abhänginge Variable

Mehr

1,11 1,12 1,13 1,14 1,15 1,16 1,17 1,17 1,17 1,18

1,11 1,12 1,13 1,14 1,15 1,16 1,17 1,17 1,17 1,18 3. Deskriptive Statistik Ziel der deskriptiven (beschreibenden) Statistik (explorativen Datenanalyse) ist die übersichtliche Darstellung der wesentlichen in den erhobenen Daten enthaltene Informationen

Mehr

Regression mit Gretl Eine erste Einführung 1

Regression mit Gretl Eine erste Einführung 1 Kurzeinführung in Gretl S. 1 Regression mit Gretl Eine erste Einführung 1 Installation: Gretl für das entsprechende Betriebssystem herunterladen und die Setup-Datei ausführen. Hinweis: Für die Benutzung

Mehr

Messgeräte: Mess-System-Analyse und Messmittelfähigkeit

Messgeräte: Mess-System-Analyse und Messmittelfähigkeit Messgeräte: Mess-System-Analyse und Messmittelfähigkeit Andreas Berlin 14. Juli 009 Bachelor-Seminar: Messen und Statistik Inhalt: 1 Aspekte einer Messung Mess-System-Analyse.1 ANOVA-Methode. Maße für

Mehr

HTS-Berichte des ZTD - 01/2002 Vergleichsuntersuchung WILDE-Intelligenz-Test - Daten BFW Leipzig Bearbeiterin: A. Bettinville

HTS-Berichte des ZTD - 01/2002 Vergleichsuntersuchung WILDE-Intelligenz-Test - Daten BFW Leipzig Bearbeiterin: A. Bettinville UNIVERSITÉ DE FRIBOURG SUISSE UNIVERSITÄT FREIBURG SCHWEIZ ZENTRUM FÜR TESTENTWICKLUNG UND DIAGNOSTIK AM DEPARTEMENT FÜR PSYCHOLOGIE CENTRE POUR LE DEVELOPPEMENT DE TESTS ET LE DIAGNOSTIC AU DEPARTEMENT

Mehr

Übungsserie Nr. 10 mit Lösungen

Übungsserie Nr. 10 mit Lösungen Übungsserie Nr. 10 mit Lösungen 1 Ein Untersuchungsdesign sieht einen multivariaten Vergleich einer Stichprobe von Frauen mit einer Stichprobe von Männern hinsichtlich der Merkmale X1, X2 und X3 vor (Codierung:

Mehr

Probeklausur (1) Biostatistische Verfahren

Probeklausur (1) Biostatistische Verfahren Ernst-Abbe-Hochschule Jena FB Grundlagenwissenschaften Probeklausur (1) Biostatistische Verfahren Tag der Prüfung Studiengang Name: Matrikel-Nr.: Bearbeitungszeit 90 min Hilfsmittel Formelsammlung, auch

Mehr

Mediatioranalyse & Moderatoranalyse How to do

Mediatioranalyse & Moderatoranalyse How to do Mediatioranalyse & Moderatoranalyse How to do Die folgende Zusammenfassung zeigt beispielhaft, wie eine Mediatoranalyse bzw. eine Moderatoranalyse mit SPSS durchgeführt wird und wie die Ergebnisse in einem

Mehr

Statistische Auswertungsverfahren mit SPSS. Prof. Dr. Andrea Raab Fachhochschule Ingolstadt

Statistische Auswertungsverfahren mit SPSS. Prof. Dr. Andrea Raab Fachhochschule Ingolstadt Inhaltliche Übersicht Informationen zum Programm SPSS Grundlagen der Programmbedienung in SPSS Befragung und Datenerstellung Daten und Variablen Deskriptive Analysemethoden 2 Das Programmpaket SPSS für

Mehr

Bachelorabschlussseminar Dipl.-Kfm. Daniel Cracau

Bachelorabschlussseminar Dipl.-Kfm. Daniel Cracau 1 Einführung in die statistische Datenanalyse Bachelorabschlussseminar Dipl.-Kfm. Daniel Cracau 2 Gliederung 1.Grundlagen 2.Nicht-parametrische Tests a. Mann-Whitney-Wilcoxon-U Test b. Wilcoxon-Signed-Rank

Mehr

Profil A 49,3 48,2 50,7 50,9 49,8 48,7 49,6 50,1 Profil B 51,8 49,6 53,2 51,1 51,1 53,4 50,7 50 51,5 51,7 48,8

Profil A 49,3 48,2 50,7 50,9 49,8 48,7 49,6 50,1 Profil B 51,8 49,6 53,2 51,1 51,1 53,4 50,7 50 51,5 51,7 48,8 1. Aufgabe: Eine Reifenfirma hat für Winterreifen unterschiedliche Profile entwickelt. Bei jeweils gleicher Geschwindigkeit und auch sonst gleichen Bedingungen wurden die Bremswirkungen gemessen. Die gemessenen

Mehr

Grundlagen der Datenanalyse am Beispiel von SPSS

Grundlagen der Datenanalyse am Beispiel von SPSS Grundlagen der Datenanalyse am Beispiel von SPSS Einführung Dipl. - Psych. Fabian Hölzenbein hoelzenbein@psychologie.uni-freiburg.de Einführung Organisatorisches Was ist Empirie? Was ist Statistik? Dateneingabe

Mehr

Einsatz IT-gestützter Systeme im Wissensmanagement von Beratungsunternehmen unterschiedlicher Größe

Einsatz IT-gestützter Systeme im Wissensmanagement von Beratungsunternehmen unterschiedlicher Größe Einsatz IT-gestützter Systeme im Wissensmanagement von Beratungsunternehmen unterschiedlicher Größe Volkerissen Fachgebiet Wirtschaftsinformatik fürdienstleistungen TU Ilmenau, Postfach100565, 98684 Ilmenau

Mehr

EVALUATION DER VS PFEILGASSE PANELSTUDIE IM RAHMEN EINES QUALITÄTSENTWICKLUNGSPRO- GRAMMS IN DER BEGABTENFÖRDERUNG

EVALUATION DER VS PFEILGASSE PANELSTUDIE IM RAHMEN EINES QUALITÄTSENTWICKLUNGSPRO- GRAMMS IN DER BEGABTENFÖRDERUNG EVALUATION DER VS PFEILGASSE PANELSTUDIE IM RAHMEN EINES QUALITÄTSENTWICKLUNGSPRO- GRAMMS IN DER BEGABTENFÖRDERUNG Veröffentlicht in: news&science. Begabtenförderung und Begabungsforschung. ÖZBF, Nr. 26/Ausgabe

Mehr

Veranstaltungsort Bildungsherberge der Studierendenschaft der FernUniversität Hagen

Veranstaltungsort Bildungsherberge der Studierendenschaft der FernUniversität Hagen Bildungsurlaub-Seminare: Lerninhalte und Programm Seminartitel SPSS für Psychologen/innen (BH15113) Termin Mo, den 18.05.bis Fr, den 22.05.2015 (40 UStd.) Veranstaltungsort Bildungsherberge der Studierendenschaft

Mehr

Inhaltsverzeichnis. Fragestellungen und Methoden 11. Vorwort 15. Kapitel 1 Einführung 17. Kapitel 2 Statistische Grundbegriffe 23

Inhaltsverzeichnis. Fragestellungen und Methoden 11. Vorwort 15. Kapitel 1 Einführung 17. Kapitel 2 Statistische Grundbegriffe 23 Fragestellungen und Methoden 11 Vorwort 15 Kapitel 1 Einführung 17 1.1 KonzeptiondesBuchs... 18 1.2 AufbaudesBuchs... 19 1.3 Programmversionen von PASW bzw. SPSS..... 20 1.4 WiekanndiesesBuchverwendetwerden?...

Mehr

Erste Schritte mit SPSS - eine Anleitung

Erste Schritte mit SPSS - eine Anleitung Der Internetdienst für Ihre Online-Umfragen Erste Schritte mit SPSS - eine Anleitung -1- Weitere in dieser Reihe bei 2ask erschienene Leitfäden Allgemeiner Leitfaden zur Fragebogenerstellung Sie möchten

Mehr

8. Methoden der klassischen multivariaten Statistik

8. Methoden der klassischen multivariaten Statistik 8. Methoden der klassischen multivariaten Statistik 8.1. Darstellung von Daten Voraussetzungen auch in diesem Kapitel: Grundgesamtheit (Datenraum) Ω von Objekten (Fällen, Instanzen), denen J-Tupel von

Mehr

Darstellung von Tabellen in Präsentationen und Forschungsberichten

Darstellung von Tabellen in Präsentationen und Forschungsberichten Dr. Constanze Rossmann 1 Darstellung von Tabellen in Präsentationen und Forschungsberichten Faustregeln Der Text muss grundsätzlich auch ohne Tabellen zu verstehen sein. Umgekehrt muss jede Tabelle auch

Mehr

Anleitung zur Fehlerrechnung

Anleitung zur Fehlerrechnung Anleitung zur Fehlerrechnung Grundsätzlich ist jedes Messergebnis mit einem Fehler behaftet. Ein wie auch immer ermittelter Messwert einer physikalischen Größe weicht immer vom idealen, wahren Wert der

Mehr

Grundbegriffe der Statistik

Grundbegriffe der Statistik Grundbegriffe der Statistik Quelle: Statistica (2003). Auszug aus dem elektronischen Handbuch des Statistikprogramms Statistica 6.1. Tula, OK: StatSoft, Inc. 1 Inhaltsverzeichnis Überblick über Grundbegriffe

Mehr